遗传算法理论及其应用与研究进展.docVIP

遗传算法理论及其应用研究进展 本文作者(边 霞 米 良),请您在阅读本文时尊重作者版权。 遗传算法理论及其应用研究进展 (四川大学 a.计算机学院;b.制造科学与工程学院, 成都 610065) 摘 要:首先阐述遗传算法的原理和求解问题的一般过程;然后讨论了近年来从遗传算子、控制参数等方面对遗传算法的改进,并对遗传算法在计算机科学与人工智能、自动控制以及组合优化等领域的应用进行陈述;最后评述了遗传算法未来的研究方向和主要研究内容。 关键词:遗传算法;遗传算子;控制参数;组合优化文章编号:1001-3695(2010)07-2425-05 doi:10.3969/j.issn.1001-3695.2010.07.006 Development on genetic algorithm theory and its applications BIAN Xiaa,MI Liangb (a.College of Computer Science,b.College of Manufacturing Science Engineering, Sichuan University, Chengdu 610065, China)Abstract:This paper first set out the principle and processes of the genetic algorithms, and then introduced a number of schemes on improving the genetic algorithms such as the genetic operators and control parameters, as well as the application of genetic algorithms in computer science and artificial intelligence, automatic control, combinatorial optimization and so on.Finally,presented some remarks on the further research and directions. Key words:genetic algorithms(GA); genetic operators; control parameters; combinatorial optimization 遗传算法[1](GA)是由美国Michigan大学的Holland教授于1975年首先提出的。它源于达尔文的进化论、孟德尔的群体遗传学说和魏茨曼的物种选择学说;其基本思想是模拟自然界遗传机制和生物进化论而形成的一种过程搜索最优解的算法。从公开发表的论文看,我国首先开始研究应用遗传算法的有赵改善[2]和华中理工大学的师汉民等人[3]。遗传算法最早应用于一维地震波形反演中[4],其特点是处理的对象是参数的编码集而不是问题参数本身,搜索过程既不受优化函数联系性的约束,也不要求优化函数可导,具有较好的全局搜索能力;算法的基本思想简单,运行方式和实现步骤规范,具有全局并行搜索、简单通用、鲁棒性强等优点,但其局部搜索能力差,容易出现早熟现象[5]。 自1985年起,国际遗传算法会议每两年召开一次,在欧洲,从1990年开始每隔一年也举办一次类似的会议。1993年,国际上第一本以遗传算法和进化计算为核心内容的学术期刊《Evolutionary Computation》(进化计算)在MIT创刊;1994年,在美国奥兰多召开的IEEE World Congress on Computation Intelligence (IEEE全球计算智能大会)上,进化计算与模糊逻辑、神经网络一起统称为计算智能;1997年,《IEEE Transactions on Evolutionary Computation》创刊。这些刊物及时全面地报道了近年来遗传算法的最新研究成果。目前,与遗传算法有关的学术会议包括ICGA、PPSN、ICEC、ANN GA、EP、FOGA、COGANN、EC、GP、SEAL等。 1 遗传算法原理 遗传算法[1]是模拟生物在自然环境中优胜劣汰、适者生存的遗传和进化过程而形成的一种具有自适应能力的、全局性的概率搜索算法。它是从代表问题可能潜在解集的一个种群开始,首先将表现型映射到基因型即编码,从而将解空间映射到编码空间,每个编码对应问题的一个解,称为染色体或个体。初始种群产生之后,按照适者生存和优胜劣汰的原理,逐代演化产生出越来越好的近似解。在每一代,根据问题域中个体的适应度大小选择个体,并借助自然遗传学的遗传算子进行组合交叉和变异,产生出代表新的解集